Im Jahr 2024 umfasst der Begriff “technologische Innovation” sehr unterschiedliche Realitäten je nach Sektor. Künstliche Intelligenz, vereinheitlichte Datenarchitekturen und europäische Regulierungsanforderungen verändern die Investitionsprioritäten der Unternehmen. Drei strukturierende Achsen zeichnen sich durch ihre Reife und ihren konkreten Einfluss auf die Organisationen aus.
Agenten-IA: autonome Agenten, die Chatbots in Unternehmen ersetzen
Die meisten Artikel über die Technologietrends 2024 beschränken sich auf generative KI und Sprachmodelle. Der konkreteste Wandel findet jedoch eine Stufe weiter statt, in dem, was KPMG in seinem Global Tech Report unter Agenten-IA identifiziert.
Ergänzende Lektüre : Entdecken Sie die Rangliste der am wenigsten gestohlenen Autos und die Modelle, die Sie bevorzugen sollten
Das Prinzip: Anstelle eines einzigen Chatbots, der auf Anfragen antwortet, arbeiten mehrere spezialisierte Agenten zusammen, um einen vollständigen Workflow auszuführen. Schadensbearbeitung in der Versicherung, automatische Rechnungsnachverfolgung, Onboarding-Management neuer Mitarbeiter – diese Prozesse werden von autonomen Agenten mit einer nachträglichen menschlichen Aufsicht orchestriert, und nicht in Echtzeit.
Die Verfolgung der Nachrichten auf Info Tech ermöglicht es, zu messen, wie sehr diese Multi-Agenten-Architekturen in den Informationssystemen großer französischer und europäischer Unternehmen an Boden gewinnen.
Lesetipp : Trends und Inspirationen für ein modernes und gemütliches Zuhause, die Sie jetzt annehmen sollten
Dieser Wandel verändert die Natur der Projekte im Bereich der künstlichen Intelligenz: Man wechselt von einem zentralisierten Modell (ein einziges LLM, das von allen Abteilungen abgefragt wird) zu einer Konstellation spezialisierter Agenten, die die Aufgaben verteilen. Die IT-Teams müssen die Governance, die Zugriffsrechte und die Nachverfolgbarkeit jeder automatisierten Entscheidung neu überdenken.
Konvergenz von Big Data und generativer KI auf einheitlichen Plattformen
Bisher hielten die meisten Unternehmen zwei getrennte Umgebungen aufrecht: auf der einen Seite die analytischen Datenpipelines (Data Lakes, Data Warehouses), auf der anderen die über APIs bereitgestellten generativen Modelle. Diese Trennung schafft Redundanzen, Datenqualitätsprobleme und hohe Infrastrukturkosten.
Der grundlegende Trend im Jahr 2024 besteht darin, analytische Daten und generative KI in einer einzigen Plattform zu fusionieren. Die Sprachmodelle greifen direkt auf die strukturierten Daten des Unternehmens zu, ohne eine zwischengeschaltete Extraktionsschicht. Das Ergebnis: zuverlässigere Antworten, die in den tatsächlichen Informationen des Informationssystems verankert sind.
Für die technischen Abteilungen erfordert diese Konvergenz mehrere konkrete Entscheidungen:
- Wählen zwischen einer branchenspezifischen Cloud-Plattform (angepasst an einen bestimmten Beruf) oder einer allgemeinen Lösung, die angepasst werden muss, mit sehr unterschiedlichen Bereitstellungszeiten.
- Definieren, wer Zugang zu den Trainingsdaten hat und wie die Herkunft jeder vom Modell verwendeten Information nachverfolgt werden kann, eine Voraussetzung für die Einhaltung der Vorschriften.
- Die tatsächlichen Kosten der Inferenz messen (jede Anfrage an das generative Modell verbraucht Rechenressourcen) und mit den gemessenen Produktivitätsgewinnen in den Geschäftsprozessen vergleichen.
Unternehmen, die diese Vereinheitlichung hinauszögern, stehen vor inkompatiblen Datensilos und generativen Modellen, die “halluzinieren”, da sie keinen Zugang zu den richtigen internen Quellen haben.
Europäische Regulierung und CO2-Fußabdruck von KI-Modellen
Der regulatorische Aspekt ist das große Fehlen in den klassischen Listen technologischer Trends, obwohl er die Architekturentscheidungen direkt beeinflusst. Die europäischen ESG- und CSRD-Verpflichtungen beginnen, die Herausforderungen im Zusammenhang mit generativer KI und Big Data zu integrieren.
Capgemini hebt hervor, dass die regulatorische Konformität im Zusammenhang mit KI zu einem Treiber für technologische Investitionen wird und nicht mehr nur ein einfaches rechtliches Risiko ist, das nachträglich verwaltet werden muss. Drei Anforderungen treten gleichzeitig auf:
- Die Nachverfolgbarkeit der Trainingsdaten: Unternehmen müssen die Herkunft der Datensätze dokumentieren, die zur Schulung oder Verfeinerung ihrer Modelle verwendet werden, andernfalls droht die Nichteinhaltung.
- Die Messung des CO2-Fußabdrucks der Modelle: Jeder Trainingszyklus und jede Inferenzanfrage erzeugen einen Energieverbrauch, den die nichtfinanziellen Berichte quantifizieren müssen.
- Die ethische Governance: Die Systeme zur Verwaltung von Vertrauen, Risiken und Sicherheit der KI (was Gartner als AI TRiSM bezeichnet) wechseln von einer Empfehlung zu einer quasi Verpflichtung für Organisationen, die auf dem europäischen Markt tätig sind.
Dieser regulatorische Rahmen zwingt die digitalen Abteilungen, die Rechts- und CSR-Teams bereits in der Entwurfsphase von KI-Projekten einzubeziehen, was die Entwicklungszyklen verlängert, aber das Risiko verringert, alles nach einem Audit neu machen zu müssen.
Nachhaltige Technologien und GreenTech: ein Kriterium für die technologische Auswahl
Nachhaltigkeit ist kein Marketingargument mehr. Sie wird zu einem technischen Kriterium für die Auswahl von Cloud-Anbietern und Softwarelösungen. Ausschreibungen beinhalten mittlerweile Klauseln zur Energieverbrauch der Rechenzentren, zur Kühlung der Server und zur geografischen Lage der Infrastrukturen.
Nachhaltige Technologien decken ein breites Spektrum ab: Optimierung der Algorithmen zur Reduzierung der erforderlichen Berechnungen, Auswahl von Rechenzentren, die mit erneuerbaren Energien betrieben werden, Entwicklung von Software, die weniger speicherintensiv ist. Für die Kundenunternehmen besteht die Herausforderung darin, diese Verpflichtungen über die kommerziellen Aussagen hinaus zu überprüfen.
Was sich konkret für die IT-Abteilungen ändert
Die IT-Abteilungen müssen zwischen roher Leistung und digitaler Sparsamkeit abwägen. Ein leichteres generatives KI-Modell, das auf branchenspezifischen Daten trainiert wurde, kann vergleichbare Ergebnisse wie ein massives Modell liefern und dabei nur einen Bruchteil der Ressourcen verbrauchen. Die Optimierung ersetzt das Streben nach der Größe der Modelle als technische Priorität in reifen Organisationen.
Technologische Fahrpläne für 2024, die die regulatorische und umweltbezogene Dimension ignorieren, starten mit einem strukturellen Nachteil. Die drei hier beschriebenen Trends (Agenten-IA, Daten-KI-Konvergenz, ESG-Anforderungen) funktionieren nicht isoliert: Es ist ihre Interaktion, die die digitalen Architekturen der Unternehmen für die kommenden Jahre neu definiert.